تعیین عمر مفید باقیمانده تجهیزات مبتنی بر تخمین مراحل زوال، با استفاده از روش ARMRS

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 668

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_MEASEJT-15-4_002

تاریخ نمایه سازی: 7 اردیبهشت 1399

چکیده مقاله:

  پایش وضعیت، یکی از مهم­ترین روش­های مدیریت سلامت تجهیزات و نگهداری و تعمیرات (نگهداشت) مبتنی بر شرایط است. در چرخه مدیریت سلامت و پیش بینی عیوب که به نوعی شکل توسعه یافته تری برای نگهداشت مبتنی­بر شرایط است، ارزیابی وضعیت به عنوان    مهم­ترین جزء این چرخه به­شمار می آید. در این تحقیق، مدلی ارائه گردیده است که مبتنی­بر آن، می­توان با استفاده از ارزیابی وضعیت تجهیز، عمر مفید باقیمانده­را تخمین زد. در این مدل با استفاده از تعریف یک ویژگی جدید برای ارتعاش تجهیز، شبیه­سازی و پیش­بینی آن با استفاده از مدل رژیم سوئیچینگ مارکوف خود رگرسیون و ارائه­ رویکرد جدید جهت تلفیق اطلاعات حسگرهای پایش وضعیت مبتنی­بر خوشه­بندی فازی و تئوری دمپستر- شفر، وضعیت­ زوال تجهیز تعیین می گردد و عمر مفید باقیمانده­ آن تخمین زده می­شود. به منظور ارزیابی مدل، از داده­های مسابقه ی داده انجمن مدیریت سلامت و پیش بینی عیوب در سال 2012 که به منظور پیش­بینی عمر مفید باقیمانده­ یاتاقان، فراهم گردیده، استفاده و نتایج مطالعه با نتایج برنده آن، مقایسه شده است. نتایج به دست آمده از مقایسه، نشان دهنده قابلیت رقابت مدل پیشنهادی با مدل برنده­ مسابقه داده است.

کلیدواژه ها:

عمر مفید باقیمانده ، مدیریت سلامت و پیش بینی عیوب ، مدل رژیم سوئیچینگ مارکوف خودرگرسیون (ARMRS) ، تبدیل موجک ، تئوری شواهد ، خوشه بندی سی- میانگین فازی ، زوال

نویسندگان

سعید رمضانی

گروه مهندسی صنایع، دانشگاه جامع امام حسین (ع)

علیرضا معینی

دانشکده صنایع، دانشگاه علم و صنعت

محمد ریاحی

دانشکده مکانیک، علم و صنعت

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Jardine, A.K. Optimizing Condition Based Maintenance Decisions ; Proc. reliability ...
  • Jardine, A.K., Lin, D., and Banjevic, D. A Review on ...
  • An, D., Kim, N.H., and Choi J. H. Practical Options ...
  • Lei, Y., Li, N., Guo, L., Li, N., Yan, T., ...
  • Zurita, D., Carino, J. A., Delgado, M., and Ortega, J. ...
  • Li, N., Lei, Y., Lin, J., and Ding, S. X. ...
  • Carino, J., Zurita, D., Delgado, M., Ortega, J., and Romero-Troncoso, ...
  • Ren, L., Sun, Y., Wang, H., and Zhang, L. Prediction ...
  • Deng, S., Chen, Z., and Chen, Z. Auxiliary Particle Filter-Based ...
  • Boškoski, P., Gašperin, M., and Petelin, D. Bearing Fault Prognostics ...
  • Wang, T. Bearing Life Prediction Based on Vibration Signals: A ...
  • Porotsky, S. and Bluvband, Z. Remaining Useful Life Estimation for ...
  • Sutrisno, E., Oh, H., Vasan, A. S. S., and Pecht, ...
  • Mosallam, A., Medjaher, K., and Zerhouni, N. Time Series Trending ...
  • Wang, L., Zhang, L., and Wang, X. Z. Reliability Estimation ...
  • Li, H., and Wang, Y. Rolling Bearing Reliability Estimation Based ...
  • Hong, S., Zhou, Z., Zio, E., and Wang, W.,  An ...
  • Lei, Y., Li, N., and Lin, J. A New Method ...
  • Huang, Z., Xu, Z., Ke, X., Wang, W., and Sun, ...
  • Zhao, M., Tang, B., and Tan, Q. Bearing Remaining Useful ...
  • Niu, G., Qian, F., and Choi, B. K. Bearing Life ...
  • Liao, L., Jin, W., and Pavel, R. Enhanced Restricted Boltzmann ...
  • Ren, L., Sun, Y., Cui, J., and Zhang, L. Bearing ...
  • Mosallam, A., Medjaher, K., and Zerhouni, N. Data-driven prognostic method ...
  • Loutas, T. H., Roulias, D., and Georgoulas, G. Remaining useful ...
  • Deng, Y., Barros, A., and Grall, A. Degradation Modeling Based ...
  • Hinchi, A.Z., and Tkiouat, M. Rolling Element Bearing Remaining Useful ...
  • Xiao, L., Chen, X., Zhang, X., and Liu, M. A ...
  • Tian, Z. An Artificial Neural Network Method for Remaining Useful ...
  • Ali, J. B., Chebel-Morello, B., Saidi, L., Malinowski, S., and ...
  • Javed, K., Gouriveau, R., Zemouri, R., and Zerhouni, N. Features ...
  • Pearson, R.K. Outliers in Process Modeling and Identification , IEEE ...
  • Babu, C.N., and Reddy, B.E. A Moving-Average Filter Based Hybrid ...
  • Bezdek, J.C., Ehrlich, R., and Full, W. Fcm: The Fuzzy ...
  • Sentz, K., and Ferson, S. Combination of Evidence in Dempster-Shafer ...
  • Hamilton, J.D. A New Approach to the Economic Analysis of ...
  • Perlin, M. Ms_Regress-the Matlab Package for Markov Regime Switching Models ...
  • Nectoux, P., Gouriveau, R., Medjaher, K., Ramasso, E., Chebel-Morello, B., ...
  • نمایش کامل مراجع